「AIに代替されない仕事」を探すのは、なぜ間違いなのか。ハイクラス転職で本当に効く3つの視点

2016年、トロントで開かれた機械学習の会議で、ディープラーニングの生みの親として知られるジェフリー・ヒントン氏が壇上に立ちました。のちにノーベル物理学賞を受賞する研究者です。彼はそこで、こう言い切りました。放射線科医の育成は今すぐやめるべきだ、と。

この発言は本当に効きました。米国では、放射線科を志望する医学生が減りました。実際に進路を変えた人もいます。誰もが、これは代替される仕事だと信じたのです。

それから10年が経ちました。何が起きたでしょうか。

しかも、AIが使われなかったわけではまったくありません。むしろ逆です。メイヨー・クリニックの放射線科は、現在250を超えるAIモデルを動かしています。AI専任の科学者やエンジニアが40人規模のチームを組み、自前でツールを開発しています。同院のプラットフォーム部門トップは、5年以内に放射線科でAIを使わないことは医療過誤に当たるだろう、とまで語っています。

AIは大量に入った。それなのに、人は増え、給料も上がった。ヒントン氏自身も後年、あの発言は大きく言いすぎたと認め、話していたのは画像解析という一点についてだった、と修正しています。

では、なぜ予測はここまで外れたのでしょうか。エヌビディアのジェンスン・フアンCEOが、その理由を一言で説明しています。悲観論者は、画像を読むという作業と、放射線科医という仕事そのものを混同している、というのです。

ここに、この記事の核心があります。

私たちは職業を、ひとつのかたまりとして見がちです。営業、経理、法務、エンジニア。でも実際の仕事は、細かい作業の束でできています。

AIは職業を丸ごと飲み込むのではありません。この束の中から、自分が得意なタスクだけを抜き取っていきます。実際の利用データがそれを示しています。Anthropicが自社のAI利用を分析した経済指標レポートによると、全職業のおよそ49%で、タスクの4分の1以上がすでにAIで処理された実績があります。裏を返せば、残りの4分の3は手つかずです。そして、タスクのほぼすべてがAIで置き換わっている職業は、ごくわずかしかありません。

放射線科医の例に戻れば、画像から異常を検出するというタスクは確かにAIが得意です。しかし放射線科医の仕事は、それだけではありません。どの検査をどの順番で撮るか決める。造影剤のリスクを患者ごとに判断する。カテーテルを使った治療を手で行う。所見の意味を主治医と議論する。不安な患者に説明する。訴訟リスクを引き受けて署名する。

AIが一部のタスクを高速でこなせるようになると、何が起きるか。検査そのものが安く速くなり、撮影件数が増え、結果として人間が判断すべき案件も増えました。これは経済学でジェボンズのパラドックスと呼ばれる現象です。効率が上がると、かえって総量が増えてしまうのです。

では、何を見ればいいのでしょうか。ここで非常に示唆的なデータが出ています。PwCが10億件を超える世界の求人広告を分析した2026年のレポートは、労働市場が2本のレールに分かれ始めていると指摘しています。

同じくAIの影響を強く受けているのに、この2つのレールでは行き先がまったく違います。

米スタンフォード大学デジタル経済研究所の調査も、同じ方向を指しています。エリック・ブリニョルフソン教授らのチームが、給与計算大手ADPのデータで実際の雇用を追跡した研究です。2026年8月に公表された最新版によると、22歳から25歳の若手の雇用は、AIの影響が大きい職種で約19%分の差がついていました。ただし、そのすぐ隣にこう書かれています。

雇用が減っているのは、AIが人間の作業を置き換える職種に集中している。AIが人間を補完する職種では、雇用は横ばいか、むしろ増えている。とくに経験のある層でその傾向が強い、と。

つまり、削られているのは特定の業界でも学歴でもありません。AIに置き換えられる側に立っているか、AIに増幅される側に立っているか。分かれ目はそこだけです。

そして重要なのは、これは職種名で決まっていないという点です。同じ肩書きの中に、両方のレールが同居しています。採用担当者という職種は、書類のスクリーニングだけをしていれば大衆化側に落ちますが、事業側と組んで採用要件そのものを設計するなら専門職化側に立てます。自分がどちらのレールに立つかは、かなりの部分まで自分で選べるのです。

ハイクラス転職を狙う人にとって、いちばん実務的に効くのがここです。企業が人を採る理由そのものが、この2年で書き換わりました。

象徴的なのが、Eコマース基盤大手ショッピファイのCEOトビ・リュトケ氏が2025年3月末に社内へ送り、その後みずから公開したメモです。そこには、増員や予算を申請する前に、その仕事をAIでは実現できない理由をチームが証明しなければならないと書かれていました。AIを使いこなすことは全社員の基本的な期待値であり、人事評価やピアレビューの項目にも入る、とも明言されています。

これは働く側から見ると、こういう意味になります。あなたが応募するポジションは、AIで代替できないと社内で証明されたうえで開かれた枠だということです。裏返せば、採用担当者は面接であなたに、その証明を上書きできるだけの何かを求めています。

• ◆ AIスキルを求める求人の平均給与プレミアムは62%まで上昇しました。前年の57%からさらに伸びています。業界差は大きく、消費財分野では118%、公共部門では16%です（PwC、2026年）
• ◆ AIスキルを明示的に求める求人は、求人市場全体の伸び9%に対して69%と、およそ8倍の速さで増えています（PwC、2026年）
• ◆ AIを最も使いこなしている企業群の従業員数は、2018年比で52%増。使えていない企業群の36%増を上回りました。AIを使う会社ほど人を減らすという直感は、データ上は逆です（PwC、2026年）
• ◆ 米国の240万件の初級ポジションを分析したところ、AIの影響が大きい初級職は、判断力やリーダーシップ、対面での折衝といった従来は上級者向けとされたスキルを求める確率が7倍でした。この種の求人は2019年比で35%増えた一方、それ以外の初級職は10%減っています（PwC、2026年）
• ◆ 学位要件は下がっています。AIが補完する職種で2019年の66%から2024年に59%へ、AIが自動化する職種では53%から44%へ。経歴の看板より、できることの中身が見られるようになりました（PwC、2025年）

ここに、もうひとつ見逃せない指摘があります。世界経済フォーラムが2026年のダボス会議に合わせて出した白書は、創造性や適応力といった人間的なスキルこそ自動化が難しく、企業からの評価も高いと述べたうえで、こう続けています。それらのスキルは、AI技術スキルと比べて労働市場で見えにくい。測る仕組みも基準も足りていない、と。

つまり、持っていても伝わっていない可能性が高いということです。ここが、ハイクラス転職で差がつく一点になります。

1. 1
   自分の仕事をタスクに割る

   直近1年の業務を、20個前後のタスクに分解して書き出します。そのうえで、AIがすでに得意なもの、AIを使えば量を大きく増やせるもの、AIには任せられないものの3つに仕分けます。3つ目に残ったタスクが、あなたの市場価値の核です。ここで残る数が少ないと感じたなら、それは危険信号ではなく、いま設計を変えられるという情報です。

2. 2
   担当範囲ではなく、動かした量で書く

   従来の職務経歴書は、何を担当したかを書くものでした。これからは、AIを組み込んだ結果どれだけの量と速度を動かせたかを書きます。たとえば「マーケティング施策を担当」ではなく、「広告クリエイティブの検証サイクルを月4本から月40本に引き上げ、獲得単価を3割下げた。うち制作の下工程はAIで内製化した」。レバレッジの倍率そのものが、新しい実績です。

3. 3
   判断した場面を、証拠つきで残す

   見えにくい人間スキルを見える化する最短ルートは、判断のエピソードです。AIの出力を採用しなかった場面、部門をまたいで合意をつくった場面、責任を引き受けて意思決定した場面。何を判断材料にし、何を捨て、結果どうなったか。この3行が書けるかどうかが、専門職化のレールに立てているかの実質的なテストです。

ここまで登場した組織が、実際にどんな人材を求めているのか。採用の入り口を並べておきます。求人票の書きぶりそのものが、いまの評価軸を映す一次情報になります。

最後に、探すという行為そのものが抱える構造的な弱点に触れておきます。

世界経済フォーラムは2026年1月、2030年の労働市場について4つのシナリオを提示しました。AIが生産性を押し上げ、人が新しい役割へ素早く移っていく「超加速」。技術の進歩が学び直しの速度を追い越し、失業と分断が広がる「置き換えの時代」。AIが人間の専門性を補助する形で緩やかに広がる「副操縦士の経済」。そして技術の普及も人材の準備も進まず停滞する「進歩の失速」です。

ちなみに、世界経済フォーラムの試算では2030年までに9,200万の仕事が失われる一方、1億7,000万の仕事が新たに生まれ、差し引きでは7,800万の増加になるとされています。総量としては増えるのです。ただし、この報告書自身が強調しているとおり、失う人と得る人は自動的には同じ人になりません。その隙間を埋めるのが、学び直しと立ち位置の設計です。

「AIに代替されない仕事は何か」という問いは、探せば正解が1つあるという前提に立っています。その前提が間違っているから、答えも見つからないのです。

立て替えるべき問いは、こちらです。AIが入ったとき、自分の価値が上がる立ち位置はどこか。この問いなら、いまの職種のままでも答えが出せます。転職先の選択肢も、逆に広がります。

10年前、多くの人がヒントン氏の言葉を信じて進路を変えました。その判断は、当時としては合理的に見えたはずです。それでも外れました。私たちが学べるのは、予測に合わせて自分を動かすのではなく、予測が外れても効く形に自分を組み直すことだと思います。

次に求人票を開くときは、職種名の欄ではなく、業務内容の欄をタスク単位で読んでみてください。そこにAIが入ったとき、自分の値段は上がるか、下がるか。その一点だけで、驚くほど判断が速くなるはずです。